最後，要來記錄一下Python，可能有些跳tome。

但是也因為前面智能官網的專案有了接觸Python的契機。之前提及歷史共業這件事，開始了詮釋資料的資料清理，３萬筆資料也算透過EXCEL就能解決，那麼10萬筆呢？大數據呢？

這個專案實實在在讓我看見資料正規性的重要，以及數據能夠帶來的效應。

在2022年9月，開始了2個半月的資料科學營，認識了一群朋友，共同、分別完成智能預測的專題，濃縮了Python、Numpy、Pandas、Matplotlib等套件、將清洗後的資料，透過Colab這個線上工具平台，配合Scikit-Learn、TensorFlow與Keras等機器學習等模組，去進行預測和參數優化，最後透過flask和ngrok串聯前後端上線部署，呈現視覺化製作的成果。

這段過程筆者最大的收穫是：

• 認識機器學習的演算法：監督式、非監督、隨機森林．．．．等
  這邊要感謝10程式中的Python全民瘋AI系列影片 補充訓練營地課程內容
• 預測結果由所吸收的資料及參數而回饋
• 領域知識是幫助判斷的關鍵分水嶺
• 一份好的資料能帶出的效益更甚於從大數據中翻找有用的資料！
• 明白機器學習是一連串演算法的成果展現

馬雲曾在德國如此說，未來的世界不再由石油驅動，而是由數據驅動。

雖然機器學習的技術已經行之有年，但那依然是神人的專業領域，對市井小民而言是那麼遙不可及。近年ChatGPT爆紅，讓AI智能隨手可及，但是要看見數據的力量，領域知識是很關鍵的。

最後附上專題成品，機器人智能預測代表圖做結尾。